Uma janela de chat onde carrega um documento e recebe um resumo parece simples. O que acontece por baixo disso é menos simples. O documento tem de ser lido, dividido, interpretado à luz do que é relevante para a sua organização, e devolvido numa forma utilizável para quem o lê. Cada etapa dessa cadeia impõe uma exigência à organização em torno dela. Esta página descreve o que tem de estar estabelecido para isso, não que parte do trabalho isso elimina.
Ler documentos com IA abrange uma série de tarefas que costumam ser reunidas sob um único rótulo. Resumir um contrato é diferente de pesquisar mil contratos à procura de uma cláusula divergente. Reduzir uma ata de reunião a pontos de ação é diferente de reduzir um relatório anual aos riscos que nele estão escondidos. O que estas tarefas têm em comum é que a qualidade do resultado depende da qualidade do que é fornecido. Um documento mal digitalizado, um formato inconsistente, ou um texto sem estrutura clara já torna a própria leitura incerta, antes de se falar de resumir.
A primeira pergunta não é qual modelo de linguagem resume melhor, mas se os documentos que quer que sejam lidos são acessíveis e consistentes. Estão dispersos por pastas, sistemas e caixas de correio, ou estão organizados num local localizável. Está claro qual versão de um documento é a válida. Os documentos contêm informação confidencial que não pode simplesmente ser processada por um sistema externo. Não se tratam de detalhes técnicos que vêm depois; são as condições que determinam se resumir produz algo em que alguém pode confiar, ou algo que tem de ser verificado de novo a cada vez.
Depois surge a questão de como os documentos entram e saem do sistema. Uma janela de upload isolada funciona para uso ocasional, mas quem quiser aplicar isto de forma estrutural precisa de uma ligação entre o local onde os documentos surgem e o local onde são lidos. Isso exige integrações que não se desliguem numa atualização, e uma forma de detetar quando algo corre mal. Sem essa ligação, ler e resumir continua a ser um passo manual: alguém que fornece repetidamente um ficheiro.
Um resumo só é útil quando alguém sabe o que fazer com ele. Isso exige acordos: quem verifica um resumo antes de este avançar, quem é responsável se um detalhe for omitido, e qual é o padrão do que constitui um bom resumo. Sem esses acordos, surge um hábito em que as pessoas usam o resultado sem o verificar, ou, pelo contrário, releem tudo de novo, o que faz desaparecer o ganho de tempo. Ou seja, a organização precisa de ter criado um lugar para este resultado, não apenas um sistema que o produz.
Logo que os documentos são lidos, surge rapidamente a questão do que acontece com eles. Um resumo de uma conversa está relacionado com o que registar e dar seguimento a conversas exige de uma organização; um resumo que deve desencadear automaticamente uma ação de seguimento toca no que é necessário para agentes que executam trabalho. E logo que um resumo é usado para fundamentar uma escolha, a questão desloca-se para o que apoio à decisão exige da mesma gestão de dados e dos mesmos acordos. Ler documentos raramente é o ponto final; é geralmente o primeiro elo de uma cadeia que se estende mais além do que a janela de chat mostra.
A tentação é começar pelo modelo que melhor resume. Mas um modelo que resume bem produz pouco se os documentos que tem de ler forem inconsistentes, se não houver ligação ao local onde estes surgem, e se ninguém tiver definido quem verifica o resultado. Organização, infraestrutura e gestão de dados vêm primeiro: não se trata de uma ordem de preferência, mas da ordem em que isto funciona. Uma organização que não tem estes fundamentos em ordem vê um projeto-piloto que parece bem numa demonstração, mas que encravado assim que os documentos são menos limpos do que o ficheiro de teste.
Esta página descreve o que tem de estar estabelecido antes de a leitura e o resumo de documentos produzirem algo em que uma organização possa apoiar-se. Não responde à pergunta de que parte do trabalho atualmente envolvido em documentos é realmente possível transferir. Essa é uma pergunta diferente, que varia por tarefa e por documento, dependendo de quão repetível é o trabalho e de quanto contexto é necessário para o fazer bem.
O scan de trabalho da FTE TO AI calcula isso: por tarefa, calcula-se que parte do trabalho pode ser assumida pela IA, dada a natureza do trabalho e as condições que se aplicam. Enquanto esta página descreve a preparação da organização, o scan de trabalho mapeia o que, uma vez essa preparação alcançada, efetivamente se transfere.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.